Linha de pesquisa: Inteligência Artificial

Resumo: O Sistema Tutor Inteligente (STI) é uma das tecnologias educacionais utilizada atualmente para tornar o processo de ensino-aprendizagem mais eficiente. Os STIs lidam com poucos domínios do conhecimento, os quais estão geralmente relacionados a uma abordagem de resolução de problemas passo a passo (como a resolução de problemas matemáticos). Por outro lado, sistemas de recomendação podem recomendar diferentes tipos de conteúdo, mas eles ignoram os conceitos de baixa granularidade típicos da abordagem passo a passo que lida com conceitos em um baixo nível de granularidade. Este trabalho contribui para a solução destes desafios do estado da arte implementando um sistema de recomendação para a recomendação de objetos de aprendizagem de diversas áreas do conhecimento, considerando as intervenções refinadas dos STIs. Para isso, formula-se o Problema de Recomendação de Objetos de Aprendizagem como o problema de cobertura de conjuntos que pertence à classe de problemas NP-Hard. Uma heurística de busca rápida foi proposta e comparada com outras metaheurísticas, derivando em uma abordagem promissora para resolver esses problemas como mostrado pelos resultados. Isso originou conteúdos mais personalizados para os estudantes usando a filtragem colaborativa e uma ontologia que modela as necessidades, o conhecimento, os estilos de aprendizagem e os parâmetros de busca dos alunos. Além disso, o sistema de recomendação foi implementado com um chatbot e testado para a recomendação de conteúdo sobre a linguagem de programação C para alunos do primeiro período do curso de Ciência da Computação, usando gamificação para diminuir possíveis dificuldades pedagógicas do processo de ensino-aprendizagem

Link para a defesa: https://teams.microsoft.com/l/meetup-join/19%3abTF_Xy6aOTe0W6yuTeuWZRxmR3zy6u2a8QHAJB_vRI01%40thread.tacv2/1721911543346?context=%7b%22Tid%22%3a%22cd5e6d23-cb99-4189-88ab-1a9021a0c451%22%2c%22Oid%22%3a%229fe3ccf3-7cf2-486e-9353-8a66164fdb06%22%7d